Agent & LLM · 2026年7月8日

每日论文速递 · Agent & LLM

💡 一句话：把多 Agent 并行证明搜索的中间结论组织成 shared fact graph，让主 Agent 负责规划协调、worker Agent 负责局部推进。

2026-07-08 09:01:568 篇论文条目

📄 每日论文速递 · Agent & LLM

日期：2026-07-08

1. Danus：用事实图记忆编排数学推理 Agent

Danus: Orchestrating Mathematical Reasoning Agents with Fact-Graph Memory

💡 一句话：把多 Agent 并行证明搜索的中间结论组织成 shared fact graph，让主 Agent 负责规划协调、worker Agent 负责局部推进。

🎯 关联：非常高。Anna 做 InternOS 的 memory / coordination / shared state，这篇的 fact-graph memory 可以直接参考。

2. AgentTether：面向可靠 LLM Agent 运行的图引导诊断与运行时干预

AgentTether: Graph-Guided Diagnosis and Runtime Intervention for Reliable LLM Agent Operation

💡 一句话：不是简单 retry，而是对 Agent 失败轨迹做图结构诊断，再在运行时定点修复。

🎯 关联：非常高。Agent 平台迟早要处理“跑偏之后怎么拉回来”，这篇比 self-reflection 那套更接近工程系统。

3. PatchOptic：共享状态 LLM Workflow 的投影视图与可验证结构化更新

PatchOptic for Shared-State LLM Workflows with Projected Views and Verified Structured Updates

💡 一句话：解决 Agent 只看到局部 view 后，如何安全地把局部修改 merge 回全局共享状态的问题。

🎯 关联：极高。这就是 InternOS 的核心坑：局部上下文、全局状态、权限边界、更新一致性。

4. TypeGo：面向具身 Agent 的 OS Runtime

TypeGo: An OS Runtime for Embodied Agents

🔗 https://arxiv.org/abs/2607.05482

💡 一句话：把 LLM planning 做成多时间尺度异步循环，用 scheduler / skill kernel 管理并发任务和物理资源。

🎯 关联：很高。虽然场景是 embodied agent，但“Agent OS runtime”这个 framing 和 InternOS 很贴，尤其是调度、抢占、资源仲裁。

5. Akashic：带 MemAttention 的低开销 LLM 推理记忆服务

Akashic: A Low-Overhead LLM Inference Service with MemAttention

💡 一句话：把长历史切成 bounded chunks，用跨 chunk 语义关系保留证据，避免每次把完整历史塞进上下文。

🎯 关联：很高。Anna 做长期组织协调系统，memory 不能只是 RAG；这篇更像 serving-level memory substrate。

6. Context-to-Execution Integrity：LLM Agent 的上下文到执行完整性机制

Context-to-Execution Integrity for LLM Agents

🔗 https://arxiv.org/abs/2607.06000

💡 一句话：给工具调用加确定性的 authority gate，防止 attacker-writable context 直接影响受保护 sink。

🎯 关联：很高。AI sandbox / Agent 平台要上生产，这类 execution-boundary 设计比 prompt guardrail 靠谱得多。

7. LogicHunter：用 Agentic Oracle 测试 LLM Agent 框架

LogicHunter: Testing LLM Agent Frameworks with an Agentic Oracle

💡 一句话：针对 LangChain / LlamaIndex / CrewAI 这类框架难测的问题，用 Agentic oracle 找异常和 silent semantic failure。

🎯 关联：高。Agent 平台不是 demo，框架层测试必须补上；这篇可以启发 InternOS 的 workflow / kernel 测试策略。

8. Doomed from the Start：用召回受控探针提前中止失败 Agent Episode

Doomed from the Start: Early Abort of LLM Agent Episodes via a Recall-Controlled Probe Cascade

💡 一句话：用每轮 hidden-state probe 预测 Agent 最终会不会失败，提前 abort，节省 37%-47% 推理成本。

🎯 关联：高。对 Agent 平台的调度和成本控制很有价值：不是所有任务都值得跑到底，系统要能早停。